Глава 6: Механизм признания вклада
6.1 Ключевая проблема признания
Признание вклада — это наиболее критичный и наиболее сложный компонент GMC. Ключевая проблема заключается в:
- Вклад может быть объективным (количественно измеримым) или субъективным (требующим оценки)
- Объективное измерение естественно устойчиво к мошенничеству, но имеет узкий охват
- Субъективная оценка имеет широкий охват, но легко поддаётся манипуляции (аналогично поддельным онлайн-отзывам)
6.2 Два способа приобретения
Способ 1: Объективное измерение
На основе верифицируемых объективных метрик система автоматически чеканит Merit:
| Измерение | Примеры | Характеристики |
|---|---|---|
| По объёму | Обслуженные клиенты, представленные предложения | Проверяемо, устойчиво к мошенничеству |
| По времени | Часы обслуживания, продолжительность онлайн | Временные метки верифицируемы |
| По результату | Коммиты кода, созданная документация | Отслеживаемо в блокчейне |
Преимущества: Автоматически, эффективно, высокая сложность мошенничества. Ограничения: Не может охватить все типы вкладов.
Способ 2: Задание с наградой
Предустановленный Merit за конкретную задачу; по завершении заинтересованные стороны голосуют для подтверждения:
- Публикация: Определение цели задачи, награды Merit и длительности влияния
- Выполнение: Исполнитель завершает задачу и представляет результаты
- Голосование: Заинтересованные стороны голосуют, соответствуют ли критерии
- Чеканка: При одобрении система чеканит MeriToken
6.3 Механизм заинтересованных сторон
Кто является заинтересованными сторонами
Стороны, имеющие интерес в данном вкладе. Например:
- Вклад coFay государственной консультации → голосуется коллективно его пользователями
- Вклад в проект с открытым исходным кодом → голосуется пользователями и соавторами проекта
Ключевое правило: Исключение лиц с высокой близостью
Поскольку GMC фиксирует сеть социальных связей, система может:
- Идентифицировать лиц, чья близость к вкладчику превышает порог
- Исключить этих лиц из пула голосующих
- Отобрать голосующих из оставшихся заинтересованных сторон
Это основной механизм предотвращения «голосования своих за своих».
Условия одобрения консенсусом
- Устанавливается порог пропорции (например, большинство 2/3)
- Вес голоса привязан к собственному MeriToken голосующего
- При превышении порога система автоматически чеканит
6.4 Определение длительности влияния
Каждое признание вклада также должно определить длительность влияния:
| Метод определения | Применимый сценарий |
|---|---|
| Предустановлен по типу вклада | Объективное измерение (например, взаимодействие с клиентом = 30 дней) |
| Устанавливается издателем задания | Задание с наградой |
| Решается коллективно голосующими | Консенсус сообщества |
Длительность влияния определяет скорость затухания данной партии Merit.
6.5 Стратегии защиты от мошенничества
Ключевой вопрос в обсуждении: Майнинг Bitcoin — это чисто объективное измерение, естественно устойчивое к мошенничеству. Но GMC включает субъективную оценку — как предотвратить поддельные отзывы?
Подход: Не устранять субъективность, а сделать стоимость мошенничества значительно превышающей выгоду.
Комбинация защитных мер:
- Исключение по близости: Исключение голосующих с близкими отношениями к оцениваемому субъекту
- Взвешивание по MeriToken: Голосующие с высокой репутацией имеют больший вес; мошенники должны сначала накопить значительную подлинную репутацию
- Аудит поведения при голосовании: Частое голосование в пользу конкретного субъекта → помечается как аномалия
- Случайная выборка: Случайный отбор голосующих из пула заинтересованных сторон для снижения возможности сговора
- Ретроактивная ответственность: При обнаружении мошенничества оно может быть рассмотрено ретроактивно через механизм штрафов
Принцип проектирования
Разложить вклады на объективно измеримые компоненты насколько возможно, снижая долю субъективной оценки:
- Приоритет объективному измерению (автоматическое, эффективное, устойчивое к мошенничеству)
- Субъективная оценка используется только для сценариев, которые невозможно объективно количественно оценить
- Субъективная оценка использует многоуровневую защиту для снижения риска мошенничества
6.6 Заметки к обсуждению
Проектные компромиссы в признании вклада:
- Эффективность vs. справедливость: Объективное измерение эффективно, но узко; субъективная оценка всеобъемлюща, но подвержена манипуляции
- Участие vs. качество: Снижение порога голосования увеличивает участие, но может снизить качество оценки
- Текущий подход: «Объективное в первую очередь + субъективное дополнение + многоуровневая защита»
- Расширенный вопрос: Как Merit создаётся из ничего? → См. главу «Экономическая модель»